Prévoir le chiffre d'affaires de n'importe quelle adresse avec Gini

Les Forecasts sont lanouvelle fonctionnalité de Gini by MyTraffic qui entraine un modèle de prédiction du chiffre d'affaires à partir de votre propre réseau, puis prédit le chiffre d'affaires, le chiffre d'affaires au mètre carré ou tout autre indicateur de votre choix, à n'importe quelle adresse. Lors de tests internes, il a atteint 9 % d'erreur absolue: le chiffre prédit se situe donc à environ 9 % près du résultat réel.

Les équipes du retail et de la grande distribution mènent des analyses prévisionnelles depuis des décennies. Ce qui change, c'est la vitesse à laquelle une équipe peut élaborer un modèle et lui faire confiance.

Ce que fait les Forecast

Les prévisions partent des données de votre réseau (les implantations que vous exploitez déjà et la performance de chacune) et entraîne un modèle sur l'indicateur qui vous intéresse : chiffre d'affaires, chiffre d'affaires au mètre carré ou tout autre chiffre présent dans vos données. Il croise ces éléments avec les données priopriétaires de mobilité de MyTraffic : fréquentation, profil démographique de la zone de chalandise, heures de pointe, densité concurrentielle, accès aux transports en commun et d'autres signaux, pour entraîner un modèle sur mesure adapté à votre usage.

Vous obtenez un chiffre clair, accompagné du raisonnement qui permet d'y arriver : le poids de chaque variable et la marge d'erreur. Le modèle tient aussi compte de la cannibalisation avec vos points de vente proches, au lieu d'évaluer les sites candidats isolément.

Quelle est la précision des prévisions de Gini ?

Une analyse MarketsandMarkets de 2025 situe les méthodes de prévision traditionnelles entre 20 et 35 % de MAPE, et les approches par machine learning entre 8 et 20 %.

Les prévisions sont donc extrêmement précis, avec une erreur environ trois fois plus faible que celle de l'approche traditionnelle. Gini atteint ce niveau de précision parce que les données de fréquentation sont l'un des meilleurs indicateurs prédictifs de la performance future d'un point de vente.

La précision du modèle que vous entraînerez dépend du volume de données de réseau que vous fournissez et de la diversité de vos zones de chalandise. Une enseigne de 60 magasins répartis sur cinq formats donne au modèle plus de matière qu'une enseigne de six magasins tous semblables, et la prévision reflète cet écart.

Comment ça marche, étape par étape

1. Ouvrez le mode Forecast : onglet des fonctionnalités à gauche, puis Forecast, puis Nouveau Forecast (New forecast).
2. Choisissez votre pays : les prévisions sont dispobivles dans  les 18 pays disponibles dans Gini, dont la France, le Royaume-Uni, l'Espagne et les États-Unis.
3. Importez les données de votre réseau : vos implantations actuelles et la performance de chacune.
4. Laissez Gini nettoyer et géocoder : Gini identifie le sens de chaque colonne et de chaque ligne. Cette étape prend normalement des semaines à un analyste humain.
5. Gini entraîne le modèle sur l'indicateur choisi (le plus souvent le chiffre d'affaires ou le chiffre d'affaires au mètre carré).

L'ensemble du parcours, de l'import au modèle entraîné, prend environ 10 minutes, et ne nécessite aucunes compétences en data science. Une fois entraîné, le modèle vous appartient. Il reste dans Gini, prêt à être appliqué à n'importe quelle adresse, autant de fois que vous le souhaitez, sans nouvelle configuration.

Comment utiliser votre modèle dans n'importe quelle conversation Gini?

Une fois le modèle entraîné, votre modèle est disponible partout dans Gini. Tapez @, sélectionnez votre modèle et saisissez une adresse : Gini vous renvoie la prévision, le raisonnement et la marge d'erreur. Rien de plus simple.

Prenons une enseigne de grande distribution qui a entraîné un modèle de chiffre d'affaires au mètre carré sur ses 40 magasins existants. Une équipe immobilière saisit l'adresse d'un local candidat sur une artère commerçante lyonnaise. Gini renvoie 4 200 €/m² avec une fourchette de confiance de 3 700 à 4 700 €/m², et nomme les trois facteurs qui expliquent ce chiffre : la densité résidentielle alentour, la fréquentation matinale et l'absence de concurrent direct dans un rayon de 400 mètres.

Ca, c'est un chiffre que vous pourrez partager à un comité exécutif et challenger. Le même modèle se réutilise sur autant d'adresses que l'équipe veut tester, sans configuration supplémentaire : comparer cinq sites candidats prend un après-midi au lieu de cinq livrables de conseil distincts.

Pourquoi cela change le calendrier des prévisions

Voici à quoi ressemblait l'ancienne méthode : vous briefez un cabinet de conseil, vous attendez qu'il nettoie les données, mène ses contrôles et mesure la précision. Il livre un modèle, puis vous le débattez : correspond-il à ce que nous observons sur le terrain ? Quelles variables ont réellement pesé ? Peut-on l'ajuster ? Chaque question demande des heures de conseil supplémentaires et repousse la date d'ouverture du futur magasin. Les missions menées par des cabinets comme Buxton mettent généralement six à neuf mois à produire un modèle.

Les prévisions Gini suppriment cet aller-retour. La personne qui connaît l'enseigne entraîne le modèle, voit immédiatement la marge d'erreur et peut l'appliquer à une nouvelle adresse. Avant, ce qui exigeait une mission de conseil, de quelques semaines au minimum à neuf mois pour un modèle entièrement sur mesure, se fait désormais en un seul workflow Gini.

Questions fréquentes

Comment prévoir le chiffre d'affaires d'un nouveau point de vente ?

‍Gini entraîne un modèle sur vos magasins existants et leur performance, puis croise ces données avec la Location Intelligence, notamment la fréquentation, le profil démographique de la zone de chalandise et la densité concurrentielle, pour prédire le chiffre d'affaires, ou un autre indicateur, à une nouvelle adresse.

De quelles données ai-je besoin pour créer une prévision dans Gini ?

‍Les données de votre réseau : la liste de vos implantations et leur performance sur l'indicateur à prédire. Gini les nettoie, les géocode et les structure automatiquement après l'import, et la configuration complète prend environ 10 minutes.

Quelle est la précision des prédictions Gini?

Les tests internes l'ont établie à 9 % de MAPE, mais la précision de chaque modèle varie. Une analyse MarketsandMarkets de 2025 situe les méthodes de prévision par machine learning entre 8 et 20 % de MAPE, et les approches traditionnelles entre 20 et 35 % : le mode Forecast se place donc à l'extrémité la plus précise de la fourchette du machine learning.

Quels indicateurs le Gini peut-il prédire ?

‍Tout indicateur présent dans vos données : chiffre d'affaires, chiffre d'affaires au mètre carré, effectifs nécessaires ou un KPI propre à votre activité.

En quoi est-ce différent d'un modèle analogique ou d'un modèle gravitaire ?

‍Les modèles analogiques et gravitaires comparent un site candidat à quelques magasins similaires, à la main, en s'appuyant surtout sur la distance et la surface. Les prévisions Gini automatisent cette comparaison sur l'ensemble de votre réseau, y ajoute la couche de Location Intelligence de MyTraffic et les contrôles de cannibalisation avec vos points de vente proches, et affiche la marge d'erreur au lieu d'un chiffre unique et non qualifié.